這篇文章主要介紹了python圖像的批量處理怎麼實現的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇python圖像的批量處理怎麼實現文章都會有所收獲，下面我們一起來看看吧。
skimage.io.ImageCollection(load_pattern,load_func=None)
這個函數是放在io模塊內的，帶兩個參數，第一個參數load_pattern, 表示圖片組的路徑，可以是一個str字符串。第二個參數load_func是一個回調函數，我們對圖片進行批量處理就可以通過這個回調函數實現。回調函數默認為imread(),即默認這個函數是批量讀取圖片。
先看一個例子：
import skimage.io as iofrom skimage import data_dirstr=data_dir + '/*.png'coll = io.ImageCollection(str)print(len(coll))
顯示結果為25, 說明系統自帶了25張png的示例圖片，這些圖片都讀取了出來，放在圖片集合coll裡。如果我們想顯示其中一張圖片，則可以在後加上一行代碼：
io.imshow(coll[10])
顯示為：
如果一個文件夾裡，我們既存放了一些jpg格式的圖片，又存放了一些png格式的圖片，現在想把它們全部讀取出來，該怎麼做呢?
import skimage.io as iofrom skimage import data_dirstr='d:/pic/*.jpg:d:/pic/*.png'coll = io.ImageCollection(str)print(len(coll))
注意這個地方'd:/pic/*.jpg:d:/pic/*.png' ，是兩個字符串合在一起的，
第一個是'd:/pic/*.jpg',
第二個是'd:/pic/*.png' ，
合在一起後，中間用冒號來隔開，這樣就可以把d:/pic/文件夾下的jpg和png格式的圖片都讀取出來。
如果還想讀取存放在其它地方的圖片，也可以一並加進去，只是中間同樣用冒號來隔開。
io.ImageCollection()這個函數省略第二個參數，就是批量讀取。如果我們不是想批量讀取，而是其它批量操作，如批量轉換為灰度圖，那又該怎麼做呢？
那就需要先定義一個函數，然後將這個函數作為第二個參數，如：
from skimage import data_dir,io,colordef convert_gray(f): rgb=io.imread(f) return color.rgb2gray(rgb)str=data_dir+'/*.png'coll = io.ImageCollection(str,load_func=convert_gray)io.imshow(coll[10])
這種批量操作對視頻處理是極其有用的，因為視頻就是一系列的圖片組合
from skimage import data_dir,io,colorclass AVILoader: video_file = 'myvideo.avi' def __call__(self, frame): return video_read(self.video_file, frame)avi_load = AVILoader()frames = range(0, 1000, 10) # 0, 10, 20, ...ic =io.ImageCollection(frames, load_func=avi_load)
這段代碼的意思，就是將myvideo.avi這個視頻中每隔10幀的圖片讀取出來，放在圖片集合中。
得到圖片集合以後，我們還可以將這些圖片連接起來，構成一個維度更高的數組，連接圖片的函數為：
skimage.io.concatenate_images(ic)
帶一個參數，就是以上的圖片集合，如：
from skimage import data_dir,io,colorcoll = io.ImageCollection('d:/pic/*.jpg')mat=io.concatenate_images(coll)使用concatenate_images(ic)函數的前提是讀取的這些圖片尺寸必須一致，否則會出錯。我們看看圖片連接前後的維度變化：
from skimage import data_dir,io,colorcoll = io.ImageCollection('d:/pic/*.jpg')print(len(coll)) #連接的圖片數量print(coll[0].shape) #連接前的圖片尺寸，所有的都一樣mat=io.concatenate_images(coll)print(mat.shape) #連接後的數組尺寸顯示結果：
2
(870, 580, 3)
(2, 870, 580, 3)
可以看到，將2個3維數組，連接成了一個4維數組
如果我們對圖片進行批量操作後，想把操作後的結果保存起來，也是可以辦到的。
例：把系統自帶的所有png示例圖片，全部轉換成256*256的jpg格式灰度圖，保存在d:/data/文件夾下
改變圖片的大小，我們可以使用tranform模塊的resize()函數，後續會講到這個模塊。
from skimage import data_dir,io,transform,colorimport numpy as npdef convert_gray(f): rgb=io.imread(f) #依次讀取rgb圖片 gray=color.rgb2gray(rgb) #將rgb圖片轉換成灰度圖 dst=transform.resize(gray,(256,256)) #將灰度圖片大小轉換為256*256 return dststr=data_dir+'/*.png'coll = io.ImageCollection(str,load_func=convert_gray)for i in range(len(coll)): io.imsave('d:/data/'+np.str(i)+'.jpg',coll[i]) #循環保存圖片結果：
關於“python圖像的批量處理怎麼實現”這篇文章的內容就介紹到這裡，感謝各位的閱讀！相信大家對“python圖像的批量處理怎麼實現”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速雲行業資訊頻道。
